Компания Mistral AI анонсировала запуск Voxtral 3 — комплексного стека для создания голосовых ИИ-агентов, способных слушать, рассуждать и отвечать в режиме реального времени. В состав системы входят модель для распознавания речи (Voxtral Small Transcribe 3), модель для синтеза речи (Voxtral Mini TTS 3) и SDK для разработки агентов на базе LiveKit. Все компоненты объединены в единый потоковый конвейер. Voxtral 3 поддерживает транскрипцию более чем на 50 языках, а синтез речи доступен для более чем 35 языков и 50 диалектов с возможностью адаптации эмоциональной окраски. Агенты могут взаимодействовать с внешними системами прямо во время разговора, например, для проверки счетов или записи на прием. Разработчики могут запускать систему на собственной инфраструктуре или использовать API, размещенные в ЕС, для контроля над данными. Стоимость транскрипции начинается от 0,0035 доллара за минуту.